تحلیل‌های امنیتی نشان می‌دهند که مهاجمان می‌توانند با سوءاستفاده از نقص موجود در ابزارهای پردازش اسناد هوش مصنوعی Anthropic Claude، کدهای مخرب را در سیستم‌های مبتنی بر لینوکس (Linux) اجرا کنند. این آسیب‌پذیری که با نام “Office Party” شناخته می‌شود، به مهاجم اجازه می‌دهد تا با ایجاد یک فایل موقت در یک مسیر مشترک، کنترل سیستم کاربر را به دست بگیرد.
مکانیسم حمله و سوءاستفاده از LD_PRELOAD
این نقص در مهارت‌های (Skills) رسمی Claude برای پردازش فایل‌های DOCX، PPTX و XLSX وجود دارد. فرآیند تبدیل اسناد در این ابزار از یک اسکریپت کمکی به نام soffice.py استفاده می‌کند که برای اجرای LibreOffice جهت تبدیل اسناد (مثلاً تبدیل Word به PDF) به کار می‌رود. زمانی که این اسکریپت در محیطی قرار می‌گیرد که امکان باز کردن Unix-domain sockets وجود ندارد، از یک راهکار جایگزین استفاده می‌کند که منجر به بارگذاری یک کتابخانه مشترک (Shared Library) از طریق مکانیزم LD_PRELOAD در لینوکس می‌شود.
در طول فرآیند، اسکریپت وجود کتابخانه‌ای با نام lo_socket_shim.so را در یک دایرکتوری موقت مشترک بررسی می‌کند، اما منشأ یا محتوای آن را تأیید نمی‌کند. اگر مهاجم بتواند پیش از عملیات پردازش اسناد، یک کتابخانه مخرب را در آن مسیر قرار دهد، کد مهاجم با سطح دسترسی (Privileges) کاربری که در حال استفاده از عامل هوش مصنوعی است، بارگذاری و اجرا خواهد شد.
محدوده تأثیر و پاسخ شرکت Anthropic
این آسیب‌پذیری محیط‌های لینوکس، از جمله پیکربندی‌های امنیتی خاص در کانتینرها (Containers) و محیط‌های ایزوله (Sandbox) مربوط به Claude Code را تحت تأثیر قرار می‌دهد. با این حال، سیستم‌های macOS به دلیل عدم استفاده از LD_PRELOAD برای بارگذاری این کتابخانه، در برابر این حمله ایمن هستند.
بر اساس گزارش‌های منتشر شده، شرکت Anthropic با وجود تأیید وجود این نقص، تصمیم گرفته است آن را اصلاح نکند؛ با این استدلال که این کد تنها در داخل یک محیط ایزوله (Sandbox) اجرا می‌شود و خارج از محدوده امنیتی مستقیم شرکت قرار دارد. با این حال، تحلیل‌ها نشان می‌دهد که حتی در محیط‌های ایزوله، اجرای کد مخرب با دسترسی‌های کاربر می‌تواند منجر به دسترسی به فایل‌ها و داده‌های حساس کاربر شود.
توصیه‌های امنیتی برای سازمان‌ها
برای مقابله با این تهدید، سازمان‌هایی که از عامل‌های هوش مصنوعی و دستیاران کدنویسی استفاده می‌کنند، باید اقدامات زیر را مد نظر قرار دهند:
- مدیریت موجودی مهارت‌ها: تهیه یک لیست دقیق و به‌روز از تمامی مهارت‌ها (Skills) و افزونه‌هایی که در محیط سازمان با Claude استفاده می‌شوند.
- نگاه به مهارت‌ها به عنوان وابستگی نرم‌افزاری: برخورد با مهارت‌های هوش مصنوعی نه به عنوان افزونه‌های قابل اعتماد، بلکه به عنوان وابستگی‌های نرم‌افزاری (Software Dependencies) که نیاز به بررسی امنیتی دارند.
- بازبینی کدها: بررسی و بازبینی حتی مهارت‌های رسمی، مشابه روش‌های معمول مدیریت چرخه حیات نرم‌افزار.
